Näin viritimme Matomon – GDPR-yhteensopivasta analytiikkatyökalusta tuli entistä tehokkaampi ja helppokäyttöisempi

Julkaistu: 22.10.2025

Kategoriat: Analytiikka, Tietoturva

Lukuaika: 6 min

Uncomprehensible code in the background and laptop with easy to read dashboard in the center of the image

Matomo on monista syistä yhä useammin käytetty analytiikkajärjestelmä, mutta siinä on myös puutteensa ja heikkoutensa. Monet Wunderinkin asiakkaat haluavat käyttää GDPR-vaatimusten mukaista ja räätälöitävää analytiikkatyökalua, joten Matomo on tärkeä osa työkalupakettiamme. Tässä artikkelissa avaamme Matomo-työkalun puutteita – ja esittelemme meidän luomamme ratkaisut näiden puutteiden paikkaamiseksi.

Ainoa todellinen, avoimeen lähdekoodiin perustuva haastaja Googla Analyticsille on Matomo (aiemmin tunnettu nimellä Piwik). Sen lisäksi, että Matomo on paljon GDPR-yhteensopivampi kuin Google Analytics (4), se tarjoaa kattavan valikoiman valmiita raportteja. Nämä raportit ovat yleensä yksiulotteisia (one dimensional), ja mahdollistavat sivun otsikon tai sivun URL-osoitteen perusteella tapahtuvan katselun yksi ulottuvuus kerrallaan (poikkeuksena tapahtumaraportit, joissa on oletusarvoisesti kaksi ulottuvuutta (dimensio) kussakin raportissa).

Tietojen suodattaminen, tuo matomon heikoin lenkki

Matomon oletusarvoinen tapa suodattaa tietoja perustuu hakusanoihin, jotka sisältyvät URL-osoitteeseen. Mikäli sivuston URL-rakenne ei ole poikkeuksellisen yksinkertainen ja täysin yhdenmukainen, tämä Matomon oletussuodatustapa ei ole optimaalinen. Käyttäjät, jotka yrittävät hyödyntää kerättyä dataa, joutuvatkin pohtimaan esimerkiksi, "Miten näen omat sivuni?" tai "Kuinka voin suodattaa sivujani?"

Onneksi Matomo on keksinyt oman ratkaisunsa tähän ongelmaan – mutta niin olemme mekin Wunderilla. Tarkastellaan ensin Matomon tarjoamaa ratkaisua ja perehdytään sitten Wunderin malliin, joka mahdollistaa tietojen paremman saatavuuden ja käytettävyyden.

Matomon ratkaisu

Matomon Custom Reports -laajennus helpottaa tilannetta tarjoamalla monipuolisemmat suodatusvaihtoehdot ja mahdollisuuden yhdistää useita ulottuvuuksia, kuten sivun URL ja otsikko, samaan näkymään. Raportteja voi suodattaa esimerkiksi URL:n alkuosan, kuten /fi/, perusteella.

Ratkaisu toimii hyvin, mutta raporttien luonti on hidasta: jokainen raportti edellyttää Matomon arkistointiprosessin, minkä vuoksi tietojen päivittyminen voi kestää tunteja. Yleensä kuitenkin edellisen päivän data on käytettävissä heti.

Custom Reports -raporttien määrä kasvaa usein nopeasti. Ne toimivat moitteetta, jos ne on suunniteltu etukäteen ja lisätty Matomon työpöydälle säännöllistä seurantaa varten. Sen sijaan ad hoc -raportointiin tai virheiden korjaukseen tämä ratkaisu ei riitä – niissä on edelleen tukeuduttava Matomon oletusraportteihin ja hakutoimintoihin

Lyhyesti sanottuna Matomon ratkaisu toimii, kunhan ei tarvita virheenkorjaus- tai ad hoc -raportteja. Koska lähes kaikissa tapauksissa, ennemmin tai myöhemmin tulee tarve virheenkorjauksille tai ad hoc -raporteille me Wunderille kehitimme näihin tilanteisiin ratkaisut – ja kerromme niistä seuraavissa kappaleissa.

Tapahtumien virheenkorjaus Wunderin tavalla

Paras ratkaisumme tapahtumien virheiden korjaamiseen ja sen tarkistamiseen, (että kaikki toimii kuten pitäisi) on ollut käyttää vierailulokinäkymää (visits log), joka näyttää käyttäjän polun ja tapahtumat. Jokainen tapahtuma, kaikki näyttökerrat ja tapahtumien tiedot näkyvät, kun viet hiiren tietyn elementin päälle. React / Next JS sivustoilla näemme usein otsikon ja sivun URL-osoitteen välisiä ristiriitoja, ja vierailuloki on ainoa tapa havaita ongelma ilman Custom Reports -laajennusta. Vierailuloki on myös huomattavasti nopeampi vaihtoehto kuin raportin luominen.

Visits log session from demo.matomo.cloud, displaying all of the actions and details in single view — Vierailulokin näkymä yhdestä käynnistä, näyttäen kaikki toiminnot yksityiskohtaisesti ja sisältäen lisätietoja mitä ei muuten Matomon käyttöliittymästä löydy, kuvakaappaus demo.matomo.cloud.

Paremmat dashboardit Wunderin tavalla

Matomon käyttöliittymässä on tiettyjä rajoituksia, minkä vuoksi pitkäjänteisempi ja joustavampi ratkaisu on hyödyntää kerättyä dataa toisella alustalla sen sijaan, että luotettaisiin pelkästään Matomoon. Kun data viedään BigQueryAvautuu uuteen välilehteen-alustalle, sitä voidaan käsitellä nopeammin ja monipuolisemmin.

Pitkäaikainen suosituksemme Matomo Cloud -ympäristöihin on siirtää data Google BigQueryyn hyödyntämällä Matomon uutta beta-ominaisuuttaAvautuu uuteen välilehteen. Data viedään ulkoiselle alustalle, koska Matomon raakadata on huomattavasti kattavampaa ja tarkempaa kuin käyttöliittymässä näkyvät raportit. Vaikka Matomon käyttöliittymä toimii hyvin, sen suodatusmahdollisuudet ovat rajalliset.

Esimerkiksi yksinkertaisiin kysymyksiin, kuten “Kuinka monta sivun katselukertaa tällä sivulla on ja mistä lähteistä kävijät tulevat?”, ei saa vastauksia suoraan käyttöliittymästä. Tieto on kyllä olemassa, mutta sen löytäminen on hidasta ja työlästä näiden rajoitusten vuoksi.

Matomon tiedot perustuvat vierailuihin, tapahtumiin (events), tavoitteisiin (goals) ja toimintotyyppeihin.

Screenshot of BigQuery view of the list of Matomo tables exported via DataWarehouse plugin — Kuvakaappaus BigQueryn näkymästä jonne Matomon taulut on viety Matomon DataWarehouse lisäosan avulla.

Tavoitteet ja toteutus

Tavoitteenamme on:

Luoda helposti käytettävä, esikäsitelty tietokantataulu (database table), joka sisältää kaikki tarvittavat kentät ja mahdollistaa syvällisen analyysin vaivattomasti.
Tarjota tämän esikäsitellyn tietokantataulun avulla Google Analytics -tyylinen käyttökokemus. Tämä tarkoittaa esimerkiksi sitä, että tauluihin lisätään tulolähde (source) ja tulotapa (medium) -tiedot, joita Matomo ei normaalisti tarjoa.

Matomossa nämä tiedot ovat oletuksena saatavilla vain kampanjoissa, mikä tekee suodattamisesta muuten hankalaa.

Matomon raakadatataulut näyttävät vain tunnistenumeroita — eivät oikeita sivujen nimiä tai otsikoita. Jotta data olisi helpompi ymmärtää, rakennamme kaksi yksinkertaistettua taulua, joissa nämä tunnisteet korvataan oikeilla nimillä, sivujen otsikoilla ja muulla hyödyllisellä tekstisisällöllä. Näin pelkkien numeroiden sijaan näet heti, millä sivuilla tai toiminnoissa käyttäjät ovat olleet vuorovaikutuksessa.

This is the default view of log_link_visit_action table — Tässä on esimerkki log_link_visit_action-taulusta, jossa kentät sisältävät pelkästään tunnistenumeroita ilman tulkittavaa sisältöä.

The picture shows how we turn Matomo’s raw tracking data into clear labels, like where visitors came from (for example: search engine, social media, or direct link). We also add an easy-to-read “channel” field, so you can filter and compare traffic sources just like in Google Analytics.

Yllä oleva kuva havainnollistaa, miten muunnamme Matomon raakaseurantadatan selkeiksi nimikkeiksi, kuten mistä kävijät ovat saapuneet (esimerkiksi: hakukone, sosiaalinen media tai suora liikenne). Lisäksi lisäämme helposti luettavan "kanava"-kentän, jonka avulla voit suodattaa ja vertailla liikenteen lähteitä samaan tapaan kuin Google Analyticsissa (raakadatassa kanava on myös numeroarvo).

Matomo käyttää samoja kenttiä eri tarkoituksiin, mikä tekee datan tulkitsemisesta haastavaa. Tietojen yhdistäminen esimerkiksi log_action-taulun kenttiin vaatii usein kokeilua ja lisälogiikkaa, jotta saat toivotun lopputuloksen.

Screenshot of BigQuery query where events are categorised

Matomon tallentamat tunnisteet (ID:t) muunnamme takaisin helposti ymmärrettäviksi nimiksi, esimerkiksi sivujen URL-osoitteiksi, otsikoiksi ja tapahtumien nimiksi. Näin toimimalla pelkkien numerotunnisteiden sijaan näkyy selkeät nimet, kuten “Etusivu” tai “Lataa esite”.

Koska Matomo käyttää joitakin samoja kenttiä sekä sivulatauksille että tiedostolatauksille, tarkistamme lisäksi tiedostotyypin varmistaaksemme, että lataukset tunnistetaan oikein.

Bonusvinkki: Sivun URLin parametrien rajaaminen Matomossa

Ja tarjoillaan tähän loppuun vielä bonusvinkki, jonka haluamme jakaa muillekin.

Ongelma:

Matomossa jokainen uusi sivun otsikko, tapahtuma tai pieni variaatio sivun URL-osoitteesta tallennetaan omalla tunnistenumerollaan (ID:llä). Tämä tarkoittaa, että jopa pienet erot — kuten seurantatunnisteet, istunto-ID:t tai hakukyselyt — luovat uusia erillisiä merkintöjä. Lopputuloksena on pitkä lista "yksilöllisiä" sivuja, jotka todellisuudessa ovat vain saman sivun eri versioita.

Screenshot of matomo.log_action table filtered with /search showing all of the unique versions of the same page — Näyttökuva matomo.log_action-taulusta suodatettuna hakusanalla /search — esimerkki siitä, miten yhdestä ja samasta sivusta syntyy useita erillisiä versioita.

Esimerkiksi URL-osoitteet kuten /search, /search?utm_source=newsletter ja /search?sessionid=123 näkyvät Matomon raporteissa erillisinä sivuina, vaikka kyse on käytännössä samasta sivusta. Tämä tekee datasta vaikealukuisempaa ja voi hidastaa Matomon suorituskykyä, koska kaikki variaatiot käsitellään erillisinä merkintöinä. Oletusasetuksilla Matomo ei osaa erottaa varsinaista sivupolkua ylimääräisistä kyselyparametreista, vaan tallentaa jokaisen yhdistelmän erikseen.

Screenshot of Matomo with the unique urls displayed in the UI — Näyttökuva Matomon käyttöliittymästä, jossa samasta sivusta näkyy useita yksilöllisiä URL-osoitteita erillisinä riveinä.

Ratkaisumme ongelmaan:

Poista URL-parametrit seurannasta, jotta tallennetaan vain sivujen peruspolut (esimerkiksi /search ilman tunnisteita, istunto-ID:itä tai kampanjavaihtoehtoja). Tämä tekee raporteista selkeämpiä ja voi parantaa Matomon suorituskykyä, koska turhat variaatiot jäävät pois.

Tämän voi määrittää Matomon hallinnassa kohdassa:
Asetukset → Verkkosivustot → Hallinnoi → Poissuljettavat parametrit.
Lisää sinne regex-sääntö /.*/, jolloin kaikki parametrit jätetään pois sivun osoitteesta.

Yhteenvetona

Uskomme, että Matomo on erittäin monipuolinen, luotettava ja GDPR-yhteensopiva analytiikkatyökalu. Oikeilla toimintatavoilla ja yllä kuvatulla lähestymistavalla siitä voidaan saada analytiikkaan paras mahdollinen yhdistelmä eri maailmoista.
Jos koet, että organisaatiosi voisi hyödyntää saatavilla olevaa dataa nykyistä paremmin – tai haluat kehittää datan keruuta alusta alkaen oikeaan suuntaan – ota meihin yhteyttä. Keskustelemme mielellämme siitä, miten analytiikka voi tukea niin operatiivista kuin strategista päätöksentekoa ja digitaalisten palveluiden kehittämistä.